C# 在C语言中结合正则表达式提取数据#

我有一个字符串，其中包含硬编码为以下格式的HTML：

<span class="Marker" id="a">Some text 1</span><br>
<span class="Marker" id="b">Some text 2</span><br>
<span class="Marker" id="c">Some text 2</span><br>
<p class="inactive">Some text 4</p>
<p class="inactive">Some text 5</p>

一些文本1

一些文本2

一些文本2

一些文本4
一些文本5

我的目标是迭代每一行并：

提取文本

检查字符串是否包含class=“Marker”

将此信息存储在列表中

我想首先只从HTML中提取文本，并将其保存到列表中，因此我有以下内容：

//(?<=>)  -> Lookbehind
//(?=<)   -> Lookahead
var matches = Regex.Matches(htmlString, "(?<=>)([^<]+)(?=<)");
List<string> list = new List<string>();

foreach (Match match in matches)
{
   list.Add(match.Value);
}

var classes = Regex.Matches(html, "(?<=<span class=\")([A-Za-z]+)(?=\")");
List<bool> isPresentList = new List<bool>();
foreach (Match cl in classes)
{
    bool isPresent = cl.ToString().Equals("Marker", StringComparison.Ordinal);
    isPresentList.Add(isPresent);
}

/（？）->向后看
//（？=前瞻
var matches=Regex.matches（htmlString，（？）（[^下面这样的正则表达式怎么样

    <([\w]*) class="(\w*)"[ =\w"]*>([ \w]*)<\/\1>

RegEx是处理XML/HTML的一个非常糟糕的工具。为什么不使用一个专门为它设计的工具呢？例如，这就完成了我的工作，因为HTML不会改变这种格式。我已经为您更新了RegEx，我想它更接近您想要的。您的解决方案在web链接上工作得很好，但是当我在C中使用它时，var matches=Re如下gex.Matches（html，“尝试检索单个组。快速提问，我已将最后一个组更改为（（.*）），因为我的字符串可以包含标点符号。需要两组括号吗？如果内部正则表达式表示“任何字符零次或多次”那为什么还要在后面加上括号呢？我想你是对的，你不需要额外的括号。